基于频域共轭梯度法的交替迭代复原算法研究

对迭代盲目去卷积复原方法进行了研究,提出了基于频域共轭梯度法的交替迭代优化复原算法,在频域上构造了关于目标图像和点扩展函数频谱的误差代价函数,将共轭梯度法引入到频谱误差代价函数的极小化过程中,并将空域非负性和频域带限等先验约束知识融合到对目标图像和点扩展函数的迭代交替优化估计过程中,取得了预期的复原效果,增强了算法的抗噪性和稳定性。在微机上进行了一系列的复原实验,实验结果表明算法复原效果好,抗噪能力强,速度较快,且能恢复具有复杂背景的目标图像。     

基于交替迭代和神经网络的盲目图像恢复

提出了种盲目图像恢复模型：退化图像经傅立叶变换后在频率域通过交替迭代的方式分解出原始图像和点扩展函数,当大致估计出退化模型的点扩展函数的类型及其参数后,用基于Ｈｏｐｆｉｅｌｄ神经网络的方法进行精确恢复,以提高恢复质量．实验证明,这种恢复模型可以在未知点扩展函数的情况下取得较好的恢复效果．     

浅析图像模糊的基本频域恢复算法

图像频域恢复是数字图像去模糊的一个重要的研究方向,在现实生活中有着广阔的应用前景和市场。本文针对常见的高斯模糊进行分析,使用频域上的逆滤波器、维纳滤波器和最小二乘恢复去除模糊,并对比它们的恢复效果。     

模糊图像恢复的投影重开始共轭梯度法

针对点扩散函数为线性位移不变的图像恢复问题提出了一种重开始的投影共轭梯度法．该方法结合正则化技术,分两层迭代,采用阻尼Morozov偏差原则作为停机准则,在运算中利用快速傅立叶变换减少计算复杂度．并对二维遥感灰度图像和彩色图像分别进行数值实验,验证了该方法可以有效的再现原始图像,证明了算法的有效性．     

基于序列子集共轭梯度的超分辨率图像重构

提出一种基于序列子集共轭梯度最优化算法的超分辨率图像重建算法。通过图像配准算法估计得到不同低分辨率图像间的平移和旋转量,结合期望图像的统计先验对问题进行规整,建立优化的代价函数。利用序列子集共轭梯度最优化迭代算法求解,得到高分辨率图像。仿真结果表明,该算法可以使内存降低15％,运算速度提高20％。     

单幅图像三维表面重建中的共轭梯度算法

从单幅图像获得物体的表面高度是计算机视觉中的一个重要研究领域,迭代算法的计算精确度高,但收敛速度较慢。该文对于几种常用的共轭梯度优化算法进行了详细分析,提出了在三维表面重建过程中实现共轭梯度算法的具体步骤和计算方法,并评价了算法的性能和优缺点。对合成图像进行仿真,并将表面恢复结果和算法收敛速度与传统的变分迭代方法比较,验证了算法的可行性和实时性。     

基于金字塔的图像恢复算法

针对图像传输的丢包问题，基于拉普拉斯金字塔，本文提出一种双向塔式恢复算法。该算法构建双向金字塔数据模型，引入权值矩阵，滤波提取低频系数，插值恢复高频系数。实验证明，在丢包条件下，该算法比拉普拉斯金字塔算法恢复图像质量的性能有较大提高。     

频域图像水印算法模型及其分析

一、引言多媒体通信业务和Internet——“数字化、网络化”的迅猛发展给信息的广泛传播提供了前所未有的条件,同时也带来了新的问题——信息数字化产品(如电子出版物、音频、视频、动画、图像产品等)的侵权、盗版和随意篡改,信息数字产品的安全传播问题(如知识产权保护、电子商务支付安全、网络安全等)成了一项重要而紧迫的研究课题。     

一种基于共轭梯度的LMBP改进学习算法

对神经网络中的LMBP（Levenberg-Marquardt BP）算法的收敛速度慢进行分析,针对矩阵J^TJ+µI求逆过程运算量过大而造成收敛速度慢的缺陷,根据无约束优化理论,提出一种基于共轭梯度方法的改进LMBP网络学习算法,利用求解大规模线性方程组的共轭梯度方法,避免了烦琐的求逆过程,降低了计算复杂度,加快了网络的收敛速度,通过Matlab仿真,比较了算法的收敛速度,证明了方法的有效性。     

基于原-对偶混合梯度下降法的图像恢复算法

对基于原—对偶混合梯度下降法的图像恢复算法进行了改进。在原算法中,步长参数的设计对其恢复效果和收敛速度影响较大。为了改善算法性能,通过引入中间变量改变算法的形式,然后分离对偶向量的分量,用加权矩阵取代原算法中的步长参数,并对其分开设计。数值实验表明,在峰值信噪比(PSNR)和视觉效果相当的前提下,和原算法相比,降低了参数设计对算法性能的影响,且计算时间减少50%左右。     

基于梯度投影的图像盲复原算法

为了利用多帧退化图像信息快速恢复出高质量的图像,提出了一种新的递归梯度投影多帧图像盲复原算法。该算法充分利用多帧图像的先验信息,首先给出一种能够有效抑制噪声放大的新的代价函数,然后通过梯度投影算法对新的代价函数进行最小化以推导出迭代公式,最后通过频率域多次递归迭代运算对退化图像进行复原。模拟实验结果证明该算法运算快速,对于不同高斯噪声级别和不同PSF衰退的图像,均能够清晰地恢复出图像细节特征、同时也能够准确地恢复出衰退PSF。     

用于含噪二值图像的改进NAS-RIF图像盲复原算法

D.Kunder等提出的NAS－RIF图像盲复原算法在无噪情况下，能够得到好的结果，但算法对噪声敏感。针对此特点，Michael K.Ng等提出了NAS－RRIF算法，它主要是对逆滤波器进行正则化，以避免噪声过分放大，但 所得结果没有大的改善。二值图像的盲复原也是其应用价值的，本文将二值图像所具有的更多先验信息用于NAS－RIF算法，采用新的非线性函数，并结合后续处理,提出一种用于含噪二值图像的改进算法。实验表明，在噪声情况下，所提出的算法可以得到满意的结果。算法还考虑了背景灰度值非零情况。文章给出了实验结果，另外还考虑并解决了NAS－RIF算法固有的比例问题。     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

一种改进的NAS-RIF图像盲复原算法

文中给出了一种用于图像盲复原的基于非负支撑域受限递归滤波算法(NAS-RIF)的改进算法。即将零相位RIF和小波去噪技术引入到NAS-RIF图像盲复原算法中,且在NAS-RIF图像盲复原算法计算当中,采用了共轭梯度法进行了计算优化;如此算法抑制了噪声的放大,提高了退化图像的信噪比,保护退化图像的边缘特征和提高退化图像的视觉效果以及提高算法的收敛速度。由实验结果可以看出,改进后的算法具有更好的抗噪性能和复原效果。     

图像盲复原算法研究现状及其展望

当点扩展函数未知或不确知的情况下，从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来，图像盲复原算法得到了广泛的研究。本文首先根据点扩展函数的特点，将图像盲复原算法分为单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法等3种类型；然后讨论了3种算法的研究现状并指出了现有各种算法的优缺点，最后通过研究总结出以下结论：现有算法的改进以及新的算法研究、基于非线性退化模型的算法研究、去噪处理算法研究、实时处理算法以及算法的应用研究是今后进一步研究的发展方向。     

基于随机扰动梯度近似的图像复原与重构算法

为了复原缺乏先验知识的降质图像以及探索层析X射线图像重构的新途径,借鉴Spall 和Cristion的随机扰动近似(SPSA)方法,将其扩展到高阶和多元的情形,进而提出了一种新的随机扰动梯度近似算法.此算法无须先验知识或后验概率,具有良好的稳定收敛性.对比实验表明,将此算法用于图像的复原和重构可获得良好的效果,而且性能稳定.     

自适应正则有参超分辨率图像盲恢复

基于重建的超分辨率(SR)方法中，图像求解是典型的高维病态问题，需借助有效的正则来稳定求解。在Nguyen等人的正则有参超分辨率盲恢复框架(RPSR)基础上，引入基于图像局部光滑特征的正则处理，提出自适应正则的有参超分辨率方法(ARPSR)，并从方便计算的角度，进一步提出了ARPSR的近似求解方法，即先将ARPSR问题，化为两个RPSR问题的带权组合，然后用RPSR框架估计图像模糊系统的自由参数和最优正则参数，用重排系统矩阵的方法构造预处理器，最后用预处理共轭梯度方法(PCG)求解超分辨率图像。算法分析和试验结果表明，ARPSR方法是对RPSR框架的进一步改进。     

基于四阶偏微分方程的盲图像恢复模型

由于全变分(total variation,TV)正则化方法能够很好地保持边界,因而在图像去噪和恢复中得到广泛的应用,但其一个显著的缺点就是会在恢复出来的图像中产生阶梯效应。针对此问题给出了一种基于四阶偏微分方程(PDE)的盲图像恢复模型,该模型在Chan和Wong的全变分模型的基础上,用四阶范数来代替TV范数,构造了一种新的能量泛函,消除了全变分正则化方法所产生的阶梯效应。实验结果表明,该模型能取得较好的图像恢复效果。     

MATLAB在图像复原中的应用

图像复原是一种去除或减轻在获取数字图像过程中发生的图像质量下降的方法。该文主要对维纳滤波复原．盲去卷积算法复原和约束最小二乘方滤波复原进行了探讨,同时对上述算法进行了仿真实现,并分析了实验的结果。